analisis de modos elementales en la producciÓn de …
TRANSCRIPT
ANALISIS DE MODOS ELEMENTALES EN LA PRODUCCIÓN DE BUTANOL A PARTIR DE ÁCIDOS
GRASOS VOLÁTILES MEDIANTE E. COLI MODIFICADA
JAIRO ALBERTO MOSQUERA DOMINGUEZ
PROYECTO DE GRADO
ASESORA:
JOHANA HUSSERL
UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA
DEPARTAMENTO DE INGENIERIA CIVIL Y AMBIENTAL
BOGOTA
2013
INTRODUCCIÓN Durante las últimas décadas debido a la creciente preocupación por el costo, reserva e impacto
ambiental de la extracción y uso de combustibles fósiles las fuentes de energía a partir de recursos
renovables han estado no sólo en los programas locales y globales de los gobiernos sino también
en la mira de la comunidad académica en busca del desarrollo sostenible.
Una de las alternativas energéticas con mayor investigación, normatividad y aplicación en el sector
transporte son los carburantes obtenidos a través de procesos biológicos, conocidos como
biocombustibles. Aunque el etanol es el biocombustible de mayor distribución comercial han
existido problemas debido a algunas de sus propiedades como la alta corrosión que produce, su
alta solubilidad en agua, su alta presión de vapor y la baja densidad energética que posee (todas
con relación a la gasolina). Esta situación ha impulsado el desarrollo de alcoholes carburantes de
cadena más larga que presenten mejoras en las propiedades descritas, como el n-butanol, ya que
permiten usar la infraestructura existente (Atsumi, y otros, 2008).
A pesar de la gran variedad de microorganismos que han desarrollado la capacidad de producir
naturalmente compuestos (actualmente usados como biocombustibles) a través de diferentes
rutas metabólicas, el proceso más eficiente y económico de obtención de alcoholes carburantes es
mediante la fermentación de un medio rico en glucosa y su posterior destilación (Trinh, 2012).
Aunque sea más económico el uso de azucares como materia prima estudios sugieren que cuando
la fuente de carbono son ácidos grasos se obtiene un mayor rendimiento en la producción de
biocombustibles debido a las reacciones metabólicas que deben ocurrir para la formación de
Acetyl CoA, principal precursor de estos (Dellomonaco, Rivera, Cambell, & Gonzalez, 2010).
La optimización de la producción de biocombustibles (conocida también como biorefinería) por
cualquier vía requiere el uso de herramientas y tecnología genética así como un profundo
conocimiento fisiológico del organismo para poder manipularlo efectivamente. Es por esta razón
que la bacteria E. Coli se ha convertido en la principal especie sobre la cual se llevan a cabo
experimentos y procesos de ingeniería genética (Clomburg & Gonzalez, 2010).
En base a lo explicado anteriormente este estudio intentará mediante un análisis de modos
elementales comprobar la existencia de una red metabólica que garantice la viabilidad energética
de crecimiento celular y producción anaeróbica de butanol usando como fuente de carbono los
ácidos grasos volátiles presentes en aguas residuales.
MARCO TEÓRICO
Antecedentes
La producción de bioalcoholes de cadenas de carbono más larga que el etanol se presenta de
manera natural en algunas especies del genero Clostridium (e.g. C. Beijirinckii, C. acetobutylicum).
Sin embargo debido a la falta de información genética se ha dificultado la creación de mejoras
para optimizar su producción. Por ello se han hecho múltiples experimentos de ingeniería
metabólica usando otras especies, como E. Coli, con el fin de crear una sepa capaz de lograr un
proceso industrial económicamente viable para la producción de butanol a partir de diferentes
materias primas. Teniendo en cuenta que la E. Coli dentro de sus rutas metabólicas originales no
posee ninguna en la que se produzca butanol, los experimentos realizados en ella se ven forzados
a insertar genes de Clostridium acetobutylicum (Clomburg & Gonzalez, 2010).
Algunos de los estudios en la producción de butanol de manera anaerobia han tomado como
fuente de carbono el azúcar aunque se han propuesto diferentes rutas metabólicas para su
conversión. Una de ellas consiste en la adición de los genes que permiten la transformación de
acetil-CoA a butanol y la eliminación de los genes que favorecen los caminos metabólicos
fermentativos que son competencia aumentando la generación de butanol (Trinh, 2012). Otro
estudio propone hacer reversible la beta oxidación de ácidos grasos para sintetizar butiril-CoA a
partir de acetil-CoA y agregar los genes necesarios para llevar el butiril-CoA a butanol; en esta
investigación la eliminación de rutas metabólicas competitivas lleva a una disminución en la
producción de butanol (Gulevich, y otros, 2012).
Los trabajos cuya generación anaerobia de butanol se realiza a partir de ácidos grasos por E. coli
también proponen diferentes rutas metabólicas. Dellomonaco et al. (2010) proponen un modelo
respiro-fermentativo siguiendo la beta-oxidación de ácidos grasos produciendo acetil-CoA para su
posterior conversión a butanol mediante enzimas de C. acetobutylicum ATCC 824 insertadas.
Durante el desarrollo de este proyecto se publicó una investigación en la cual mediante la adición
de ADN recombinado se transformaban ácidos grasos de cadena corta a bioalcoholes, sin embargo
la conversión era del acido al alcohol respectivo (i.e. ácido propionico a propanol) (Mattam &
Yazdani, 2013).
Metabolismo de la E. Coli MG1655
La Escherichia Coli es una bacteria anaerobia facultativa cuya fuente de carbono principal son los
azucares, degradados mediante un proceso metabólico conocido como glicólisis, sin embargo por
razones evolutivas ha desarrollado la capacidad de utilizar múltiples compuestos para sus
requerimientos biológicos permitiendo así su supervivencia en una amplia variedad de ambientes.
Algunos de estos compuestos son los ácidos grasos los cuales se dividen en tres clases: ácidos
grasos de cadena larga (>C12), de cadena mediana (C7-C11) y de cadena corta (C4-C6). (Clark &
Cronan, 1996)
El crecimiento de la E. Coli silvestre usando ácidos grasos como única fuente de carbono ocurre
solamente cuando estos son de cadena larga y luego de un periodo durante el cual se induce el
gen regulador fad encargado de los procesos de transporte, activación y degradación de los
ácidos. El crecimiento con ácidos de cadena mediana se produce cuando el gen fad ya ha sido
inducido o por mutaciones en el gen fadR. Los ácidos de cadena corta además de las enzimas
producidas por el sistema fad necesitan otras enzimas para permitir su aprovechamiento
producidas por los genes atoA, atoB y atoD reguladas por el gen atoC (Clark & Cronan, 1996). Se
descubrió que durante la oxidación anaeróbica de ácidos grasos los genes responsables son fadJ,
fadK y fadL que son equivalentes a los genes fadA, fadB, fadD responsables de la oxidación en
condiciones aerobias; el gen fadK es el encargado de la acilación de ácidos de cadena corta
(Campbell, Morgan-Kiss, & Cronan, 2003).
La ruta metabólica mediante la cual se degradan los ácidos grasos se conoce como β-oxidación y
en ella se degradan sustratos homólogos a través de productos intermedios homólogos. En cada
ciclo de la β-oxidación el acil-CoA pierde un fragmento de dos carbonos en forma de acetil-CoA y
produce una molécula de FADH y una de NADH. Las dos últimas se pueden utilizar en la
generación de ATP (Clark & Cronan, 1996). Cuando los ácidos tiene un número de carbonos par el
ciclo termina con el butiril-CoA convirtiéndose en dos moléculas de acetil-CoA, sin embargo
cuando el numero de carbonos es impar termina produciendo una molecula de acetyl-CoA y una
de propil-CoA.
El siguiente paso en la ruta metabólica es el ciclo del ácido tricarboxílico (TCA por sus siglas en
inglés) el cual cumple dos funciones principalmente: la oxidación total del Acetyl-CoA y la
contribución a la biosíntesis de un amplio número de aminoácidos con los productos intermedios
formados durante el ciclo. Resulta de vital importancia en el crecimiento desde ácidos grasos la
existencia de la desviación del glioxilato ya que permite la circulación total de los carbonos
presentes en el Acetyl-CoA; de no existir esta desviación los carbonos se perderían gradualmente
en forma de CO2 (Cronan & Laporte, 1996). En condiciones anaerobias el TCA no se presenta de
manera completa debido a que el paso de 2-oxoglutarato a succinil-CoA está regulado por el
complejo multienzimático 2-oxoglutarato dehidrogenasa el cual contiene un radical libre generado
durante una reacción con oxígeno (Frank, Kay, Hirst, & Luisi, 2008).
La E. Coli silvestre cuenta en su metabolismo con los genes necesarios para realizar reacciones
anapleróticas mediante las cuales el malato y el oxaloacetato (intermediarios del TCA) son
convertidos a piruvato y a fosfoenolpiruvato (intermediarios de la glicolisis) respectivamente. La
importancia en la producción del fosfoenolpiruvato es iniciar un proceso metabólico conocido
como gluconeogénesis, el cual sigue la ruta inversa de la glicólisis. Durante la revisión de las bases
de datos de la red metabólica se descubrió que ciertos productos intermedios de estas rutas son
los únicos precursores en la biosíntesis de nucleótidos, estructuras de membranas celulares y
algunos aminoácidos.
En condiciones anaerobias cuando no se cuenta con la cantidad adecuada de un aceptor de
electrones se produce la fermentación creando productos a excretar a partir del acetil-CoA y el
piruvato. Los productos más comunes son los ácidos acético, láctico, fórmico, succínico y etanol
regulados por los genes ack, ldh, fhl, frd y adh respectivamente (Bock & Sawers, 1996).
Metatool 5.0 y el análisis de modos elementales
El estudio de bacterias en sistemas in vivo (en sus condiciones naturales) se ha desarrollado desde
hace más de 170 años y en sistemas aislados en cultivos puros (in vitro) por casi 100. Hace un par
de décadas se ha venido estableciendo una forma diferente de realizar predicciones metabólicas
mediante programas computacionales conocido como sistemas in silico los cuales se han visto
beneficiados por la amplia disponibilidad de información genética en bases de datos y por los
avances en informática que permiten introducir aspectos matemáticos y estadísticos al análisis
(Henaut & Danchin, 1996).
Metatool 5.0 es un programa computacional desarrollado por Pfeiffer con la colaboración de
Nuno, Schuster y Moldenhauer que permite entender la estructura de la red metabólica mediante
el cálculo de la cantidad de modos elementales a partir de ecuaciones estequiométricas y
reversibilidad de enzimas (Metatool, 2006).
El método que permite describir la red bioquímica en Metatool 5.0 es el análisis de flujo de modos
elementales. Este análisis se basa en la construcción de rutas de transformación, siguiendo el
análisis estequiométrico de redes de Clarke, para ir desde un sustrato hasta un producto por
medio de reacciones/etapas, donde cada paso es considerado un vector unitario lineal
independiente. Un modo elemental es un conjunto de enzimas que puede funcionar en estado
estacionario; si estas son las únicas enzimas activas y una de ellas es inhibida completamente
algún flujo del sistema en estado estacionario será detenido. Las principales ventajas de este
método son que mediante múltiplos del vector es posible simular cualquier combinación de flujo y
que no es necesario tener información cinética o interactiva entre reacciones para definir los
modos (Schuster, Fell, & Dandekar, 2000).
El método divide los metabolitos en internos y externos, siendo los internos aquellos cuya tasa de
producción es igual a la tasa de consumo y los externos son ajenos al proceso simulado y
provienen de fuentes y van hacia sumideros extracelulares (Schuster, Fell, & Dandekar, 2000).
La única información que se debe conocer acerca de las enzimas que regulan una reacción es su
reversibilidad ya que ésta indica la dirección del vector. Irreversibilidad significa que el flujo neto
siempre tendrá el mismo signo. Especificar la reversibilidad en lugar de crear dos reacciones para
un mismo proceso puede simplificar y reducir el tiempo de los cálculos computacionales (Schuster,
Fell, & Dandekar, 2000).
El programa Metatool 5.0 está disponible de manera gratuita para GNU octave y Matlab en Linux,
Windows y Mac Os. El archivo de entrada debe estar en formato .txt y un ejemplo del esquema
que debe seguir se presenta en la página web de Metatool (Metatool, 2006). El cálculo de modos
elementales se realiza siguiendo el algoritmo propuesto por Urbanczik y Wagner en el cual los
coeficientes estequiometricos, enteros o decimales, se convierten en una matriz que al ser
traspuesta y aumentada da origen a una matriz llamada tabla inicial (von Kamp & Schuster, 2006).
A partir de esta tabla se calculan secuencialmente otras matrices combinando linealmente pares
de filas haciendo que la matriz estequiométrica traspuesta se convierta en vectores nulos
asegurando las condiciones de estado estacionario para cada uno de los metabolitos internos
(Schuster, Dandekar, & Fell, Description of the algorithm for computing elementary flux modes).
ECOCYC
EcoCyc es una base de datos bioinformatica basada en literatura científica que describe el genoma
y el funcionamiento bioquímico de E.Coli K12 MG1655. Además de tener la secuencia genómica
completa tiene la posición de nucleótidos, función y una breve reseña de los productos de todos
los genes. Contiene también una amplia descripción de la red reguladora incluyendo operones,
promotores, factores de transcripción y atenuadores. La base provee de igual manera la
descripción de todas las rutas conocidas de transducción y metabólicas incluyendo las reacciones
de transporte celular, especificando los cofactores, inhibidores, activadores y subunidades de cada
enzima metabólica (Keseler, y otros, 2011).
La base de datos cuenta con un equipo encargado de actualizarla diariamente, a marzo de 2013 se
habían utilizado más de 25000 publicaciones para sustentar la información presentada (EcoCyc,
2013). La página web presenta una interfaz de fácil navegación, comprensión y acceso a la
literatura en la que se basa.
METODOLOGÍA El presente trabajo se dividió principalmente en dos secciones: la construcción de la red
metabólica y el análisis de modos elementales. Durante la construcción de la red central de la E.
Coli MG1655 se utilizó la base de datos bioinformáticos EcoCyc y posteriormente se agregaron y
eliminaron los genes que según la literatura permiten y mejoran la producción anaerobia de
Clostridium Acetobutylicum ATCC824 butanol a partir de ácidos grasos de cadena corta. Para la
segunda etapa se utilizó la herramienta Metatool 5.0 en Matlab determinando la cantidad de
modos elementales presentes en la ruta metabólica de interés.
Debido a la incapacidad de operar la red construida en la herramienta Metatool 5.0 por razones
no determinadas, se utilizó como modelo básico una red metabólica más simple presentada por
Trinh (2012) en el material complementario de su artículo. La red metabólica completa utilizada
durante las simulaciones se presenta en Anexo.
Los ácidos grasos volátiles que se tomaron como fuente de carbono en el modelo fueron decididos
a partir de las eficiencias teóricas y de sus comportamientos metabólicos. La simulación se realizó
utilizando los sustratos puros y combinaciones de éstos.
Como se mencionó anteriormente debido a la incapacidad de generación de butanol por parte de
la E. Coli silvestre es necesario agregar al genoma fragmentos de ADN provenientes de la
Clostridium Acetobutylicum ATCC824. Estos genes que codifican las enzimas necesarias para la
conversión de acetoacetil-CoA a butanol son: hbd, Beta-hydroxybutyryl-CoA dehydrogenase; crt,
crotonase; bcd, butyryl-CoA dehydrogenase; etfAB, electron transfer flavoprotein y adhE2, alcohol
dehydrogenase secundaria (Ver Anexo) (Dellomonaco, Rivera, Cambell, & Gonzalez, 2010).
Para optimizar la producción de butanol se decidió eliminar genes que conducen a rutas
metabólicas competitivas estos son: frd, fumarate reductase, impidiendo la producción de
succinato; ldh, D-lactate hidrogenase, para impedir la producción de lactato; adhE, alcohol
dehydrogenase, encargado de la producción de etanol; pta, phosphate acetyl transferase y poxB,
pyruvate oxidase, interrumpiendo las rutas del acetato (Ver Anexo) (Trinh, 2012).
En el modelo se supone que los ácidos grasos volátiles son la única fuente de carbono, por lo cual
si no existen más nutrientes en el medio no será necesaria la eliminación de ningún gen. Sin
embargo si en el medio se encuentra diferentes materias primas se deben inhibir los procesos de
transporte al interior de la célula de aquellos que tengan mayor “afinidad de consumo” que los
ácidos grasos (e.g. glucosa). En el caso de los azucares supondría la eliminación del operón
ManXYZ.
ANALISIS DE RESULTADOS A partir de la suposición de que todo el sustrato es destinado únicamente a la producción de n-
butanol se halló el rendimiento máximo para distintos ácidos grasos analizados. Siguiendo este
método se obtienen las eficiencias de conversión teóricas presentadas en la Tabla 1.
Tabla 1. Eficiencias másicas y molares teóricas
Ácido Graso Max RMolar
(nAc/nButOH) Max RMass
(gAc/gButOH)
Caproico 1.5 0.94
Pentanoico 0.5 0.35
Butírico 1 0.83
Propionico 0 0
Acético 0.5 0.61
Los ácidos grasos de cadena impar poseen un menor rendimiento debido a que durante la beta
oxidación se pierden dos carbonos de la cadena por ciclo, por lo cual el ácido propionico como
sustrato no entraría en el ciclo ni tendría la capacidad de producir acetil-CoA y resultaría como un
producto en la beta oxidación del ácido pentanoico.
Para determinar la existencia de una red metabólica que resultara energéticamente viable y
produjese tanto butanol como biomasa a partir de ácidos grasos volátiles se realizaron múltiples
simulaciones cambiando la composición del sustrato y los genes suprimidos usando la herramienta
Metatool 5.0. La vía metabólica por la cual se obtiene la mayor eficiencia, además de no generar
crecimiento, resulta energéticamente inviable debido a deficiencias de ATP y NADH incluso para el
ácido graso volátil de cadena más larga (6 carbonos).
Los sustratos elegidos para las pruebas fueron mezclas entre ácido caproico, ácido butírico y ácido
acético y cada uno como sustrato puro. Las cantidades de MEs obtenidos son presentadas en la
Tabla 2.
Tabla 2. Resultados usando ácidos grasos volátiles puros y combinaciones
Condiciones Genes suprimidos
Ácido Acético (AA) Ácido Butírico (AB) Ácido Cáprico (AC) AA+AB+AC AA+AB AA+AC AB+AC
MEs Butoh Biom MEs Butoh Biom MEs Butoh Biom MEs Butoh Biom MEs Butoh Biom MEs Butoh Biom MEs Butoh Biom
Anaerobio - 1 No No 4 No No 8 No No 72 No No 14 No No 19 No No 13 No No
Aerobio - 1212 Sí Sí Error2 - - Error2 - - Error2 - - Error2 - - Error2 - - Error2 - -
Aerobio frd, adhE 994 Sí Sí 2135 Sí Sí 3047 Sí Sí 26207 Sí Sí 8449 Sí Sí 10201 Sí Sí 6146 Sí Sí
Aerobio frd, ldh, adhE 929 Sí Sí 1884 Sí Sí Error1 - - Error 1 - - Error1 - - Error1 - - 5538 Sí Sí
Aerobio frd, ldh, pta, poxB 902 Sí Sí 1888 Sí Sí 2467 Sí Sí 14179 Sí Sí 7092 Sí Sí 5718 Sí Sí 3086 Sí Sí
Aerobio frd, pta, poxB, adhE 831 Sí Sí 1734 Sí Sí 2230 Sí Sí 12448 Sí Sí 6321 Sí Sí 5047 Sí Sí 2854 Sí Sí
Aerobio ldh, pta, poxB, adhE 7219 Sí Sí 41 No No 7317 Sí Sí 53632 Sí Sí 27197 Sí Sí 25694 Sí Sí 42 No No
Aerobio frd, ldh, pta, poxB, adhE 769 Sí Sí 38 No No 3 No No 15 No No 3 No No 7 No No 39 No No
MEs= Modos elementales; Butoh= Butanol; Biom= Biomasa.
En la Tabla 2 se reportan dos tipos de error emitidos por Metatool 5.0. El error1 genera el mensaje
“Integer resolution exceeded” mientras que en el error2 aparece “Cannot sort modes with more
than 52 rows\n”. Los casos en los que se presentó el error1 corresponden a la supresión de los
genes frd, ldh y adhE. El error2 sólo se dio cuando se encontraba la red metabólica completa bajo
condiciones aerobias. No se halló la manera de corregir los errores presentados.
Según los resultados obtenidos es posible evidenciar que, en sustratos puros, al aumentar el
número de carbonos en la cadena del sustrato suele aumentar la cantidad de MEs. En el caso de
las mezclas la cantidad de MEs aumenta cuando hay mayor número de sustancias.
No se puede establecer una relación de correspondencia entre el número de genes suprimidos y la
cantidad de MEs calculados ya que dicha relación depende de la ruta metabólica que se esté
inhibiendo y de la participación de sustancias no producidas en otras rutas. En este aspecto vale la
pena resaltar el aumento en la cantidad de MEs hallados cuando el gen frd no es suprimido, esto
se debe a que dicho gen participa y completa el TCA generando varios subproductos y moléculas
energéticas.
Durante la aplicación del modelo en el caso anaerobio los MEs obtenidos no involucraban una
transformación neta de los metabolitos externos de interés (i.e. butanol y biomasa). En
condiciones aerobias al eliminar todos los genes de subproductos competitivos se presentó el
menor número de MEs, algunos de ellos con producción de las sustancias de interés pero la gran
mayoría no representaban la transformación neta de metabolitos externos.
Si bien cuando se simuló la supresión parcial de rutas competitivas en condiciones aerobias se
identificó la generación de los productos deseados, se identificó también la conversión de los
ácidos grasos a una amplia cantidad de sustancias lo cual sugiere una baja eficiencia en la
producción de butanol. La eficiencia disminuye a medida que aumenta la cantidad de MEs
obtenidos ya que un mayor número de MEs suele producir un mayor número de subproductos.
Al realizar la simulación con ácido acético como única fuente de carbono, en condiciones aerobias
y suprimiendo todas las rutas metabólicas competitivas se identificó la menor cantidad de MEs
que incluían la producción de biomasa y butanol.
CONCLUSIONES Y RECOMENDACIONES Según los resultados obtenidos no es posible producir butanol y biomasa a partir de ácidos grasos
de cadena corta en condiciones anaeróbicas mientras en presencia de oxigeno es posible su
obtención alcanzando la mayor eficiencia (menor número de modos elementales) cuando el ácido
acético es el único sustrato y se han suprimido los genes de las rutas metabólicas competitivas.
La necesidad de oxígeno para la producción de butanol en los modos elementales hallados sugiere
que en los cultivos se deben propiciar condiciones microaerofílicas con el fin de suplir las
necesidades energéticas de crecimiento y producción sin que se inhiban totalmente las rutas
fermentativas.
Si bien la red metabólica utilizada resulta ventajosa para el propósito de este estudio es
importante resaltar que fue creada con el objetivo de simular el consumo de glucosa como
sustrato y no de ácidos grasos lo cual puede generar limitaciones durante la ejecución del modelo.
Aunque se hallaron casos que al suprimir genes resultaban aptos para una producción más
eficiente de butanol a partir de AGV se recomienda profundizar en los detalles de la conversión
mediante el uso de una herramienta que involucre la cinética de las reacciones de las rutas
metabólicas al igual que la cuantificación de moléculas energéticas en los procesos que las
consumen/generan para proponer estrategias de bioingeniería que potencien o eviten dichos
procesos.
A diferencia de la aptitud de la glucosa para la producción de butanol demostrada por Trinh
(2012), el uso de los AGVs no resulta viable bajo condiciones anaerobias. Las principales
diferencias usando AGVs como sustrato son que durante la glucogénesis se consumen moléculas
de ATP y en la betaoxidación se producen moléculas de NADH.
Si bien la conversión de alcohol a partir de AGVs propuesta por Mattam & Yazdani (2013)
representa una ruta metabólica eficiente, en ella no se utiliza el ácido graso como fuente de
carbono. La ruta propuesta exige que para la producción de butanol ingrese únicamente ácido
butírico.
Comparando los resultados obtenidos en este proyecto con los presentados por Dellomonaco et
al. (2010) se evidencia que el uso de ácidos de cadena larga (>C12) resulta más atractivo que los
AGV en la producción de butanol, no obstante debido a su ausencia en las aguas residuales
domésticas no se pueden utilizar en los reactores dedicadas al aprovechamiento de éstas.
Es necesario seguir investigando cómo aprovechar el gran potencial y alta disponibilidad de los
AGV mediante su conversión no sólo a biocombustibles sino hacia otras formas de energía, por
ejemplo directamente a electricidad como se presenta en el estudio de Teng et al. (2010).
Bibliografía Atsumi, S., Cann, A., Connor, M., Shen, C., Smith, K., Brynildsen, M., y otros. (2008). Metabolic
engineering of Escherichia Coli for 1-butanol production . Metabolic Engineering, 305-311.
Bock, A., & Sawers, G. (1996). Fermentation. En F. Neidhardt, Escherichia Coli and Salmonella:
Cellular and Molecular Biology (págs. 262-282). Washington D.C.: ASM Press.
Campbell, J., Morgan-Kiss, R., & Cronan, J. (2003). A new Escherichia Coli metabolic competency:
growth on fatty acid by a novel anaerobic beta-oxidation pathway. Molecular
Microbiology, 47, 793-805.
Clark, D., & Cronan, J. (1996). Two-Carbon Compounds and Fatty Acids as Carbon Sources. En F.
Neidhardt, Escherichia Coli and Salmonella: Cellular and Molecular Biology (págs. 343-
357). Washington D.C.: ASM Press.
Clomburg, J., & Gonzalez, R. (2010). Biofuel production in Escherichia Coli: the role of metabolic
engineering and synthethic biology. Applied Microbiology and Biotechnology, 419-434.
Cronan, J., & Laporte, D. (1996). Tricarboxylic Acid Cycle and Glyoxylate bypass. En F. Neidhardt,
Escherichia Coli and Salmonella: Cellular and Molecular Biology (págs. 206-216).
Washington D.C.: ASM Press.
Dellomonaco, C., Rivera, C., Cambell, P., & Gonzalez, R. (2010). Engineered respiro-fermentative
metabolism for the production of biofuels and biochemicals from fatty acid-rich feedstock.
Applied and Environmental Microbiology, 5067-5078.
EcoCyc. (2013). EcoCyc project overview. Obtenido de Sitio web de EcoCyc:
http://ecocyc.org/EcoCycUserGuide.shtml#node_sec_2
Frank, R., Kay, C., Hirst, J., & Luisi, B. (2008). Off-pathway, oxygen-dependent thiamine radical in
the Krebs cycle. Journal of the AMerican Chemistry Society, 130, 1662-1668.
Gulevich, A., Skorokhodova, A., Morzhakova, A., Antonova, S., Sukhozhenko, A., Shakulov, R., y
otros. (2012). 1-Butanol Synthesis by Escherichia coli Cells Through ButyrylCoA Formation
by Heterologous Enzymes of Clostridia and Native Enzymes of Fatty Acid β-Oxidation.
Applied Biochemistry and Microbiology, 344-349.
Henaut, A., & Danchin, A. (1996). Analysis and Predictions from Escherichia coli Sequences, or E.
Coli In Silico. En F. Neidhardt, Escherichia Coli and Salmonella: Cellular and molecular
biology (págs. 2047-2066). Washington D.C.: ASM Press.
Keseler, I., Collado-Vides, J., Santos-Zavaleta, A., Peralta-Gil, M., Gama-Castro, S., Muñiz-Rascado,
L., y otros. (2011). EcoCyc: a comprehensive database of Escherichia coli biology. Nucleic
Acid Research, 39, D583-D590.
Mattam, A., & Yazdani, S. (2013). Engineering E. coli strain for conversion of short chain fatty acids
to alcohols. Biotechnology for Biofuels.
Metatool. (2006). Recuperado el 2 de Septiembre de 2013, de Sitio web de Metatool 5.0:
http://pinguin.biologie.uni-
jena.de/bioinformatik/networks/metatool/metatool5.0/metatool5.0.html
Schuster, S., Dandekar, T., & Fell, D. (s.f.). Description of the algorithm for computing elementary
flux modes. Obtenido de Sitio web de Metatool: http://pinguin.biologie.uni-
jena.de/bioinformatik/networks/metatool/algorithm.pdf
Schuster, S., Fell, D., & Dandekar, T. (2000). A general definition of metabolic pathways useful for
systematic organization and analysis of complex metabolic networks. Nature
Biotechnology.
Teng, S.-X., Tong, Z.-H., Li, W.-W., Wang, S.-G., Sheng, G.-P., Shi, X.-Y., y otros. (2010). Electricity
generation from mixed volatile fatty acids using microbial fuel cells. Applied Microbiology
& Biotechnology, 2365-2372.
Trinh, C. (2012). Elucidating and reprogramming Escherichia Coli metabolisms for obligate
anaerobic n-butanol and isobutanol production. Applied Microbiology and Biotechnology ,
1083-1094.
von Kamp, A., & Schuster, S. (2006). Metatool 5.0 : fast and flexible elementary modes analysis.
Bioinformatics, 1930-1931.
ANEXO Tabla 1. Red metabólica de E. Coli modificada para el cálculo de modos elementales
Reacción estequiométrica Genes
Activación de ácidos grasos
CAPAC + ATP + COA = CAPYLCOA + AMP fadK
BUTAC + COA + ATP = BUTYLCOA + AMP fadK
ACE + COA + ATP = ACOA + AMP fadK
Beta oxidación de ácidos grasos
CAPYLCOA + NADPH = NADP + TCAPYLCOA fadE
TCAPYLCOA = CAPHYACOA fadBJ; paaZ
CAPHYACOA + NAD = NADH + CAPOACOA fadBJ
CAPOACOA + COA = ACOA + BUTYLCOA fadAI
BUTYLCOA + NADPH = NADP + CROCOA fadE
CROCOA = HYBUTYLCOA fadBJ; paaZ
HYBUTYLCOA + NAD = NADH + AACOA fadBJ
AACOA + COA = 2 ACOA fadAI
Ciclo del ácido tricarboxílico (TCA)
ACOA + OAA = COA + CIT prpC; gltA
CIT <=> CACO acnAB
CACO <=> ICIT acnAB
ICIT + NADP = OG + NADPH + CO2 icd
OG + NAD + COA = NADH + SUCCCOA + CO2 lpdA; sucAB
SUCCCOA + ADP <=> ATP + COA + SUCC sucCD
SUCC + Q = FUM + QH2 sdhABCD
FUM <=> MAL fumABC
MAL + NAD <=> NADH + OAA mdh
FUM + QH2 = SUCC + Q frdABCD
Ruta anaplerótica
ICIT = SUCC + GLYO aceA
GLYO + ACOA = MAL + COA glcB; aceB
PEP + CO2 = OAA ppc
MAL + NAD = PYR + CO2 + NADH sfcA; maeB
OAA + ATP = PEP + ADP + CO2 pckA
Glucogénesis / Glicólisis
PEP + ADP = PYR + ATP pykAF
PYR + ATP = PEP + AMP pps
PYR + COA + NAD = ACOA + CO2 + NADH lpdA; aceEF
P2G <=> PEP eno
P3G <=> P2G pgmAI; ytjC
ADP + PPG <=> P3G + ATP pgk
GLYP + NAD <=> PPG + NADH gapA
DHAP <=> GLYP tpiA
FPP <=> GLYP + DHAP fbaAB
FPP = FP glpX; fbp
FP + ATP = ADP + FPP pfkAB
GP <=> FP pgi
Ruta de la pentosa fosfato
GP + NADP = NADPH + PGL zwf
PGL = GLUP pgl
GLUP + NADP = NADPH + CO2 + RIBUP gnd
RIBUP <=> XP rpe
RIBUP <=> RP rpiA; alsI
XP + RP <=> SHP + GLYP tktAB
SHP + GLYP <=> FP + EP talAB
EP + XP <=> FP + GLYP tktAB
Ruta de ácidos fermentativos
PYR + COA = ACOA + FOR pflB; tdcE
PYR + Q = ACE + CO2 + QH2 poxB
PYR + NADH = LAC + NAD ldhA
FOR = CO2 + HEX hycBCDEFG; fdhF
ACOA + NADH = ACA + NAD + COA adhE
ACA + NADH = ETOH + NAD adhEP
ACOA = ACP + COA pta
ACP + ADP = ACE + ATP ackAB
PYR = ACA + CO2 pdc
Ruta de Entner Doudoroff
GP = KDPG edd
KDPG = PYR + GLYP eda
Síntesis de butanol
2 ACOA = AACOA + COA atoB
AACOA + NADH = HYBUTYLCOA + NAD hbd
HYBUTYLCOA = CROCOA crt
CROCOA + NADH = BUTYLCOA + NAD bcd; etfAB
BUTYLCOA + NADH = BUTAL + NAD + COA adhE2
BUTAL + NADH = BUTOH + NAD adhE2
Síntesis de biomasa
49 GP + 17 FP + 860 RP + 1426 OG + 2355 OAA + 512 EP + 960 PEP + 3920 PYR + 1642 P3G + 31 GLYP + 1207 ACOA + 40680 ATP + 4079 NAD + 18320 NADPH + 12502 NH3 = BIOMASA + 1207 COA + 40680 ADP + 4079 NADH + 18320 NADP
Fosforilación oxidativa y energía de mantenimiento
NADH + 2 ADP + OEX = NAD + 2 ATP nuoAHJKLMNEFGBCI; atpABCDEFGHI
QH2 + ADP + OEX = Q + ATP cyoABCD; atpABCDEFGHI
NADH + Q <=> NAD + QH2 ndh
ATP = ADP + ATPM Ciclos fùtiles
NAD + NADPH <=> NADP + NADH pntAB
AMP + ATP = 2 ADP adk
Transporte en membrana
ETOH = ETOHEX ACE = ACEX NH3EX = NH3 LAC = LACEX SUCC = SUCCEX BUTOH = BUTOHEX CO2 = CO2EX FOR = FOREX ACEX = ACE BUTEX = BUTAC CAPACEX = CAPAC
Abreviaturas de los metabolitos. AACOA: Acetoacetil-CoA; ACA: Acetaldehido; ACE: Ácido acético;
ACOA: Acetil-COA; ACP: Acetilfosfato; AMP: Adenosín monofosfato; ADP: Adenosín difosfato; ATP:
Adenosín trifosfato; BUTAC: Ácido butírico; BUTAL: Butanal; BUTOH: Butanol; BUTYLCOA: Butanoil-
CoA; CACO: Cis-aconitato; CAPAC: Ácido caproico; CAPHYACOA: 3-hidroxihexanoil-CoA;
CAPOACOA: 3-oxohexanoil-CoA; CAPYLCOA:Caproil-CoA; CIT: Citrato; CO2: Dióxido de carbono;
COA: Coenzima A; CROCOA: Crotonil-CoA; DHAP: Dihidroxiacetona fosfato; EP: Eritrosa 4-fosfato;
ETOH: Etanol; FOR: Ácido Fórmico; FP: Fructosa 6-fosfato; FPP: Frutosa 1,6-bifosfato; FUM:
Fumarato; GLUP: Gluconato 6-fosfato; GLYO: Glioxilato; GP: Glucosa 6-fosfato; HYBUTYLCOA: 3-
hidroxibutiril-CoA; ICIT: Isocitrato; KDPG: 2-Keto-3-deoxi-6-fosfo-gluconato; LAC: Ácido láctico;
MAL: Malato; NAD: Nicotinamida adenina dinucleótido; NADH: Dihidronicotinamida adenina
dinucleótido; NADP: Nicotinamida adenina dinucleótido fosfato; NADPH: Dihidronicotinamida
adenina dinucleótido fosfato; NH3: Amoniaco; OAA: Oxaloacetato; OG:Oxoglutarato; P2G:
Glicerato-2-fosfato; P3G: Glicerato-3-fosfato; PEP: Fosfoenolpiruvato; PGL: Gluconolactona 6-
fosfato; PPG: 1,3 bifosfoglicerato; PYR: Piruvato; Q: Quinina; QH2: Quinol; RIBUP: Ribulosa 5-
fosfato; RP: Ribosa 5-fosfato; SHP: Sedoheptulosa 7-fosfato; SUCC: Succinato; SUCCCOA: Succinil-
CoA; TCAPYLCOA:Trans-2-hexenoil-CoA; XP: Xilosa 5-fosfato; las sustancias terminados en EX
hacen referencia a metabolitos externos que entran o salen por transporte celular (e.g. HEX:
Hidrógeno externo; OEX: Oxígeno externo); ATPM hace referencia al ATP utilizado por la célula
para sus procesos vitales.
El símbolo ‘<=>’ hace referencia a que la reacción es reversible. Mientras que el símbolo ‘=’ indica
irreversibilidad.